CMAC神经网络与PID复合控制的应用研究

阐述了CMAC神经网络的基本原理,并结合PID控制的特点,将CMAC神经网络与PID复合控制算法应用在工业领域的温度控制系统中,并同传统的Zieglar-Nichols阶跃响应法及单纯形算法作了比较。仿真结果表明:该复合控制算法具有较高的控制精度及良好的控制效果。     

遗传算法对CMAC与PID并行励磁控制的优化

为解决同步发电机在不同工况下的PID控制参数最优化,干扰情况下的快速稳定等问题,提出了一种通过遗传算法来优化CMAC与PID的并行控制策略.由遗传算法来对PID参数进行全局择优,CMAC在其基础上进行局部择优,以达到所需要的控制效果.Matlab仿真表明该控制方案与传统控制方案相比具有优越性,通过现场试验表明算法的可行性和实际控制效果的优越性.     

基于CMAC神经网络的PID控制

提出利用CMAC神经网络与PID的复合控制,实现非线性系统控制。由于CMAc网络的优点使PID控制效果有很大提高。仿真实验表明了该方法的有效性。     

基于CMAC神经网络与PID的并行控制器设计与应用

提出一种基于CMAC神经网络与PID的并行控制器的设计方法,利用传统PID实现反馈控制,保证系统的稳定性,且抑制扰动,利用CMAC神经网络控制器实现前馈控制,确保系统的控制精度和响应速度。该算法直接应用于控制直流电机调速系统,仿真结果表明,与传统数字PID控制算法相比较,该并行控制算法增强了系统的控制精度,提高了系统的响应速度,并且具备较强的抗干扰能力和鲁棒性。     

基于CMAC与PID复合控制的柴油机调速系统

提出了柴油机调速系统CMAC与PID复合控制方案,给出了柴油机调速系统数学模型和控制算法.仿真分析表明,CMAC与PID复合控制比传统的PID控制有更好的控制效果,鲁棒性强,适合于非线性实时控制.     

基于CMAC的PID控制在换热器中的应用设计及仿真

本文介绍了小脑模型神经网络CMAC的原理及基于CMAC与PID的并行控制设计，以及该设计在换热器控制中的应用，并对该设计在MATLAB下进行了仿真．得到了较好的控制效果。     

基于CMAC的开关型模糊PID控制器设计与仿真

针对开关型模糊-PID控制在判据附近出现的开关跳变现象,提出了一种基于CMAC网络的开关型FUZZY-PID控制器。分别阐述了开关型模糊PID控制、CMAC-PID并行控制及本控制方法的原理和算法。以某交流电机为控制对象,通过MATLAB仿真验证表明,该控制方法响应速度快,学习时间短,具有良好的自适应性,并且很好的解决了开关跳变的问题。     

位置伺服系统的单神经元PID/CMAC控制研究

在分析了位置伺服控制系统基本原理和数学模型的基础上,提出了一种单神经元PID/CMAC复合控制算法和控制器的设计方法。用单神经元PID替代常规PID控制,由神经元来在线调整PID控制参数,利用CMAC神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统PID控制算法相比较,该复合控制算法增强了系统的控制精度,提高了系统的响应速度,具有较强的鲁棒性和抗干扰能力。     

基于PID控制的遗传神经网络在焦炉温度控制中的应用研究

以某焦化厂焦炉温度控制系统的开发为背景，提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化焦炉对象的温度控制．用遗传算法优化PID控制器的初始参数，然后再结合CMAC网络进行控制．针对焦炉生产过程的简化模型，在Matlab中对这种控制方法进行了仿真．仿真研究表明该方法应用于焦炉控制是可行的．     

高阶CMAC神经网络的研究

提出了一种高阶ＣＭＡＣ（ＨＣＭＡＣ）神经网络，它是采用高阶的径向基函数作为接收域函数，为了进一步增强对输入模式的表达，还可以用接收域函数输入模式向量构成张量积，这时产生的是高维的增强表达，同时ＨＣＭＡＣ沿用ＣＭＡＣ的地址映射方法，由于高阶接收域函数的引入，使其可以获得较ＣＭＡＣ连续性强且有解析微分的复杂函数近似，ＨＣＭＡＣ在不改变ＣＭＡＣ简单结构的基础上较ＲＢＦ网络有计算量少，学习效率高等优点，中     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于CMAC神经网络的热连轧精轧温度预报模型

温度是带钢热连轧过程中几个最重要的工艺参数之一,由于温度将直接影响到热札轧制力,因此精确预报各道次,特别是精轧机组各机架的轧制温度,是保证厚度、板形及宽度数学模型命中率的关键.而精轧温度预报技术是热连轧的核心技术.由于传统的模型技术已经不能进一步提高精轧温度的预报精度,针对带钢热连轧精轧温度传统模型的固有缺陷,根据CM...     

一种神经形态马赫数PID自适应控制器研究

本文从自适应控制和优化学习算法的角度出发,将传统的PID控制和神经网络BP算法相结合,构造了具有自适应、自学习功能的神经形态PID自适应马赫数控制器(NNCPID)。通过对网络控制模型的训练、学习和系统仿真,验证了该NNCPID控制器在改善马赫数控制性能、提高系统实时性、鲁棒性等方面,具有很大的优越性。     

Design and Implementation of a Hierarchical‐Clustering CMAC PID Controller

In industrial control processes, proportional‐integral‐derivative (PID) control algorithm is widely employed. Therefore, it is meaningful to design advanced PID controllers, especially for nonlinear control objects. One of the advanced PID controllers is a cerebellar model articulation controller (CMAC) PID controller. In this controller, the PID control parameters are calculated and tuned. The CMAC achieves a higher accuracy by increasing the number of labels of each weight table; this requires a larger memory, and the generalization ability of the controller decreases. On the other hand, if the CMAC requires less memory, the generalization ability increases and accuracy decreases. Hence, in this paper, a novel CMAC in which the accuracy is compatible with the generalization ability is proposed in this paper. In the proposed CMAC, the number of labels of each weight table can be decided by using a hierarchical clustering technology. Moreover, the efficiency of the memory allocation is improved. The effectiveness of the proposed method is verified by experiments.     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。     

CSTR系统的基于CMFC神经元网络的学习控制研究

CMAC(Cerebellar Model Articulation Controller或Cerebellar Model Arithmetic Computer)神经元网络是由Albus提出的一种表达复杂非线性函数的表格查询的自适应系统。本文将CMAC应用到具体的连续搅拌反应釜(CSTR)系统的学习控制研究中,仿真结果表明,该学习控制策略具有较强的自学习能力且容易实现,对于改善非线性控制的性能,不失为一种有益的尝试。     

CMAC神经网络碰撞问题解决方法的研究

针对CMAC神经网络学习算法存在因使用Hash编码技术而产生的实际映射空间地址碰撞问题,提出了一种基于设置权值溢出区解决地址完全碰撞问题的方法,与传统的依靠增加实际映射空间大小解决完全碰撞问题的方法相比,该方法节省了网络的实际权值存储空间,并且在实际地址空间大小相同条件下提高了网络学习的精度.最后,将该方法应用于非线性系统辨识与色彩匹配的样本训练中,实验结果验证了该方法的有效性.